Embulk を使用して Azure Data Catalog ののデータをデータベースにロードする方法

Embulk はオープンソースのバルクデータローダーです。CData JDBC Driver for Azure Data Catalog と組み合わせることで、Azure Data Catalog から任意の同期先にデータを簡単にロードできます。この記事では、CData JDBC Driver for Azure Data Catalog をEmbulk で使用してAzure Data Catalog のデータをMySQL データベースにロードする方法を解説します。

CData JDBC Driver は、最適化されたデータ処理機能を内蔵しており、リアルタイムのAzure Data Catalog のデータに対して比類のないパフォーマンスを発揮します。Azure Data Catalog に対して複雑なSQL クエリを発行すると、ドライバーはフィルタや集計などのサポートされているSQL 操作を直接Azure Data Catalog にプッシュし、サポートされていない操作（SQL 関数やJOIN 操作など）は組み込みのSQL エンジンを使用してクライアント側で処理します。

Azure Data Catalog への JDBC 接続を設定

Embulk でバルクロードジョブを作成する前に、JDBC Driver のJAR ファイルのインストール場所（通常はC:\Program Files\CData\CData JDBC Driver for Azure Data Catalog\lib）を確認しておきます。

Embulk はJDBC 接続をサポートしているため、Azure Data Catalog に簡単に接続してSQL クエリを実行できます。バルクロードジョブを作成する前に、Azure Data Catalog への認証用のJDBC URL を作成します。

Azure Data Catalog 接続プロパティの取得・設定方法

OAuth 認証で接続

Azure Data Catalog の認証にはOAuth を使用します。CData 製品では組込みOAuth が利用できるので、接続プロパティを設定することなく接続を試行するだけで、ブラウザ経由でAAS に認証できます。詳しい設定方法については、ヘルプドキュメントの「Azure Data Catalog への認証」セクションを参照してください。

設定は任意ですが、CatalogName プロパティを設定することでAzure Data Catalog から返されるカタログデータを明示的に指定できます。

CatalogName：Azure Data Catalog に紐づいているカタログ名に設定。空のままにすると、デフォルトのカタログが使用されます。カタログ名は、「Azure Portal」->「データカタログ」->「カタログ名」から取得できます。

組み込みの接続文字列デザイナー

JDBC URL の作成には、Azure Data Catalog JDBC Driver に組み込まれている接続文字列デザイナーを使用できます。JAR ファイルをダブルクリックするか、コマンドラインからJAR ファイルを実行します。

java -jar cdata.jdbc.azuredatacatalog.jar

接続プロパティを入力し、接続文字列をクリップボードにコピーします。

以下は、Azure Data Catalog への一般的なJDBC 接続文字列です。

jdbc:azuredatacatalog:

Embulk で Azure Data Catalog ののデータをロード

CData JDBC Driver をインストールしてJDBC 接続文字列を作成したら、必要なEmbulk プラグインをインストールします。

Embulk の入力・出力プラグインをインストール

1. Embulk にJDBC 入力プラグインをインストールします。
   https://github.com/embulk/embulk-input-jdbc/tree/master/embulk-input-jdbc

embulk gem install embulk-input-jdbc

2. この記事では、同期先データベースとしてMySQL を使用します。出力プラグインを使用して、SQL Server、PostgreSQL、またはGoogle BigQuery を同期先として選択することもできます。
   https://github.com/embulk/embulk-output-jdbc/tree/master/embulk-output-mysql

   embulk gem install embulk-output-mysql
   

入力プラグインと出力プラグインをインストールしたら、Embulk を使用してAzure Data Catalog のデータをMySQL にロードする準備が整いました。

Azure Data Catalog ののデータをロードするジョブを作成

まず、Embulk で設定ファイルを作成します。ファイル名はazuredatacatalog-mysql.yml のようにします。

1. 入力プラグインのオプションには、CData JDBC Driver for Azure Data Catalog、ドライバーJAR ファイルへのパス、ドライバークラス（例：cdata.jdbc.azuredatacatalog.AzureDataCatalogDriver）、および上記のJDBC URL を指定します。
2. 出力プラグインのオプションには、MySQL データベースの値と認証情報を指定します。

設定ファイルのサンプル（azuredatacatalog-mysql.yml）

in:
	type: jdbc
	driver_path: C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.azuredatacatalog.jar
	driver_class: cdata.jdbc.azuredatacatalog.AzureDataCatalogDriver
	url: jdbc:azuredatacatalog:
	table: "Tables"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "Tables"
	mode: insert

ファイルを作成したら、Embulk ジョブを実行します。

embulk run azuredatacatalog-mysql.yml

Embulk ジョブを実行すると、MySQL テーブルにAzure Data Catalog のデータが格納されます。

フィルタリングした Azure Data Catalog ののデータをロード

テーブルから直接データをロードするだけでなく、カスタムSQL クエリを使用してロードするデータをより詳細に制御できます。また、クエリフィールドのSQL WHERE 句で最終更新カラムを設定することで、増分ロードを実行することもできます。

in:
	type: jdbc
	driver_path: C:\Program Files\CData[product_name] 20xx\lib\cdata.jdbc.azuredatacatalog.jar
	driver_class: cdata.jdbc.azuredatacatalog.AzureDataCatalogDriver
	url: jdbc:azuredatacatalog:
	query: "SELECT DslAddressDatabase, Type FROM Tables WHERE [RecordId] = 1"
out:
	type: mysql
	host: localhost
	database: DatabaseName
	user: UserId
	password: UserPassword
	table: "Tables"
	mode: insert

詳細情報と無料トライアル

CData JDBC Driver for Azure Data Catalog をコネクタとして使用することで、Embulk のデータロードジョブにAzure Data Catalog のデータを統合できます。また、200 を超えるエンタープライズデータソース向けドライバーにより、あらゆるエンタープライズSaaS、ビッグデータ、NoSQL ソースも統合できます。30日間の無料トライアルをダウンロードして、今すぐお試しください。